在训练工程内开启Profiling采集功能

以下操作请在MindStudio环境上操作。

1. 单击菜单栏“File > Open...”，选中迁移后的训练工程，如图1所示，单击“OK”导入工程。
   图1 导入训练工程
   
2. 修改训练脚本。
   • 编辑resnet_run_loop.py文件，在主入口增加使能Profiling的逻辑，使得运行训练时开启Profiling，配置Profiling数据的落盘路径，以及需要采集的数据的开关项。如图2所示。

       custom_op = session_config.graph_options.rewrite_options.custom_optimizers.add()
       custom_op.name = 'NpuOptimizer'
       custom_op.parameter_map['profiling_mode'].b = True
       custom_op.parameter_map['profiling_options'].s = tf.compat.as_bytes('{"output":"/tmp/profiling",'
                                                                           '"training_trace":"on","task_trace":"on", '
                                                                           '"fp_point":"", "bp_point":"", '
                                                                           '"aic_metrics":"PipeUtilization"}')

     图2 使能Profiling
     
   • 为加快完成训练并采集Profiling数据，编辑cifar10_main.py，将train_epochs参数设置为1。
     图3 修改train_epochs参数
     
3. 执行训练脚本，具体操作可参见《分析迁移快速入门样例（TensorFlow GPU2Ascend）》的“迁移后训练”章节。